微信扫码
添加专属顾问
我要投稿
CAMEL AI在Mistral cookbook上新增了一个教程。 主要内容为:如何利用 CAMEL 的RAG 与 Firecrawl 相结合,以实现高效的网络爬虫、multi-agent 角色扮演任务和知识图谱构建。
示例是介绍一个使用 Mistral 模型对 2024 年巴黎奥运会土耳其射手进行全面研究的示例。
图可能看不清,Agent ops和output单独截图在下方:
2个Agent,一个作为User提出指令,另外一个作为Assistant,执行任务。
ai user -> instruction -> ai assistant -> tool / args -> result - > ai user
最后可以生成图谱以及报告,整个过程需要7分钟,消耗60k tokens:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-06-14
AI开发实战:解决RAG的召回不准问题
2025-06-13
揭开RAG的神秘面纱:90%的人不知道腾讯IMA底层原理
2025-06-13
金融智脑:破解RAG系统在金融场景中常见失败的七大陷阱
2025-06-13
从零开始学 Dify - Dify 的 RAG 系统如何有效地处理和检索大量文档?
2025-06-13
大模型:多种RAG组合优化(langchain实现)
2025-06-12
深入使用 Deep Research 后,我确信 RAG 的未来是 Agent
2025-06-12
从传统 RAG 到知识图谱 + Agent,知识库 AI 问答成功率终于达到 95% 了,来自蚂蚁集团的经验
2025-06-12
GraphRAG变种这么多,该采用哪种?九大GraphRAG评估参考
2025-03-21
2025-03-20
2025-03-24
2025-03-17
2025-03-24
2025-03-19
2025-03-24
2025-03-28
2025-04-01
2025-03-23
2025-06-13
2025-06-09
2025-06-06
2025-05-30
2025-05-29
2025-05-29
2025-05-23
2025-05-16